液体静压导轨因具有无磨损、精度保持性好等优点在精密和重型机床中得到广泛应用,但由于承载能力、静态刚度等受负载影响大等不足影响了机床的精度。为进一步提高机床的精度,对液体静压导轨的油腔结构进行优化具有十分重要的研究意义。本文重点分析研究了液体静压导轨的封油面微结构对其静态特性的影响。论文借助CFD仿真软件,通过对液体静压导轨油腔内油液的流动进行分析,研究封油边上的增压槽结构参数与油腔压力之间的关系,目的在于优化液体静压导轨的封油面微结构以提高液体静压导轨的静态性能。为此,论文进行了以下研究:(1)基于计算流体力学和控制方程,对圆形液体静压回转台的圆台油垫的承载能力及刚度进行了推导。为分析增压槽对圆台油垫承载能力及刚度的影响,论文选用CFD对带增压槽的圆台油垫的流场进行分析。针对圆台油垫的结构特点,提出了结构化分体网格划分方法,并将其应用于圆台油垫的流场分析。通过分析单矩形增压槽的几何参数对圆台油垫油腔压力的影响,验证了在液体静压导轨的封油面上开设增压槽有助于提高液体静压导轨的承载能力和刚度。采用响应面法分别分析了单矩形增压槽几何参数对油腔压力的影响,估计了最优矩形增压槽的几何参数范围。同时在设定的几何参数范围内,对不同截面形状增压槽对圆台油垫油腔压力的影响进行了对比分析。研究结果表明,矩形增压槽对改善液体静压导轨的静态特性效果更显著。(2)由于人工神经网络在非线性拟合方面所具有的优势,论文以提高圆台油垫油腔压力为目标,建立了以单矩形增压槽距油腔的距离、增压槽的深度和宽度为输入,圆台油垫油腔压力为输出的BP神经网络模型结构。为得到准确的BP神经网络模型,基于正交实验所产生的模型训练用样本,以MSE、MAPE、MAD为评价指标,采用不同算法对BP神经网络模型进行了训练。依据对BP神经网络模型训练的准确性和效率,采用本文所提出的采用GA算法对BP神经网络进行初始化,应用LM算法对BP神经网络进行训练所得到的GA-LM-BP神经网络模型,能快速、准确地反映静压导轨封油面上矩形增压槽几何参数与油腔压力的关系。(3)根据所建立矩形增压槽与油腔压力的GA-LM-BP神经网络模型,采用GA算法完成了单矩形增压槽几何参数的优化,通过CFD仿真验证了所建模型的准确性。同时,对不同数量矩形增压槽对圆台油垫油腔压力的影响进行了仿真分析。研究结果表明,在液体静压导轨的封油面开设不同数量的矩形增压槽,因封油面的微结构发生改变,使静压导轨的承载能力和刚度得到了不同程度地提高。综合分析认为,单增压槽式圆台油垫和双增压槽式圆台油垫为首选。(4)为了验证本文所提出的提高液体静压导轨静态性能的策略的可行性和正确性,依据仿真结果设计并搭建了四种不同封油面微结构的液体静压回转实验台。实验结果表明,对给定的进油流量,对比分析了四种不同封油面微结构的液体静压回转实验台静态性能的影响;进油流量较小时,增压槽对提高静压导轨的静态特性有一定的作用,且随着进油流量的增加,增压槽数量越大,液体静压导轨的静态特性越好。但当进油流量增大到一定程度时,增压槽失去了应有的作用。由此可知,要设计性能良好的液体静压导轨封油面微结构,必须根据具体情况而定。对给定的封油边微结构,进油流量越大,液体静压导轨的静态性能越好。